Die Dauerfestigkeit dynamisch belasteter Hubschrauber-Bauteile hängt u.a. stark von der Betriebsdauer und der Beanspruchung des Hubschraubers z.B. in Kampfmanövern ab. Die Instandhaltungsplanung basiert fast immer auf der Flugstundenzahl und regelmäßigen Inspektionen, da Belastungsmessungen nicht möglich sind. Vorgeschlagen wird deshalb ein anhand gespeicherter Flugversuchsdaten für bestimmte Flugmanöver (acht Standard-Flugvariable) aufgebautes lernfähiges künstliches neuronales Netz (ANN), das zur Belastungsprognose bei sieben Flugmanövern eingesetzt werden kann. Die so berechneten Durchschnitts-Schwingungswerte besitzen eine Genauigkeit von 90 % -97,7 %. Näher eingegangen ist auf das ANN und sein Rechenschema, die Formeln zur Berechnung der vertikalen Biegelast am Rumpfende, Durchschnitts-Schwingungslast an der Blattverstellstange usw. Das ANN arbeitet recht genau und kann sicher bei Vorliegen weiterer Versuchsdaten auf mehr Flugmanöver erweitert werden.
Artificial neural networks for predicting nonlinear dynamic helicopter loads
Künstliche neuronale Netze zur Prognose nichtlinearer dynamischer Hubschrauberbelastungen
AIAA Journal ; 32 , 5 ; 1072-1077
1994
6 Seiten, 16 Bilder, 9 Quellen
Aufsatz (Zeitschrift)
Englisch
Artificial Neural Networks for Predicting Nonlinear Dynamic Helicopter Loads
Online Contents | 1994
|Prediction of helicopter component loads using neural networks
Tema Archiv | 1995
|Prediction of helicopter component loads using neural networks
Tema Archiv | 1993
|